从GPT-2到今天：提示词工程的演变

提示词工程从2020年前后围绕 GPT-3 的非正式试错式文本操作，发展为到2026年具有命名技术、框架和工具的结构化学科。 这一历程跨越五个阶段：早期少样本实验、将这门技能带入主流视野的 ChatGPT 时刻、结构化推理技术的发展、自动化提示词优化的兴起，以及当前向上下文设计的转变。

这门学科并非源自单一论文或公司。它生长于研究（少样本学习、思维链推理、RAG（检索增强生成））、在网上共享提示词集合的从业者社区，以及强大模型的突然公开可用（这使得高质量提示词立即带来回报）的交汇之处。到2026年，提示词工程不再是一项小众技巧——它已成为任何使用 AI 系统的人的基础技能。

在“提示词工程”一词出现之前，研究人员就已经在调整模型输入以获得更好的输出，只是没有这样称呼。GPT-2（2019年，OpenAI）和BERT（2018年，Google）等早期Transformer模型通过精心挑选的输入文本来使用，但这种做法被视为数据预处理的一部分，而不是独立的技能。

GPT-2于2019年2月作为15亿参数的模型发布；OpenAI先发布了较小的版本，并在2019年11月发布完整模型。它能生成相当连贯的文本。研究人员和早期实践者发现，输入措辞会显著改变续写质量，但当时还没有围绕这一观察形成框架、术语或社区。提示词只是输入，而不是工程产物。

提示词工程的现代历史实际上始于GPT-3。 2020年5月，OpenAI的研究人员发表了《Language Models are Few-Shot Learners》（Brown等人），介绍了拥有1750亿参数的GPT-3。论文表明，在提示词中直接加入几个目标任务的示例，无需更新模型权重，就能提高许多下游任务的表现。

这是提示词工程成为一门学科的起点。研究人员和开发者意识到，只需改变提示词的写法，同一个模型就能成为翻译器、摘要器、代码生成器或问答系统。模型不需要重新训练，只需要更好的提示词。这一认识改变了人们对提示词的看法：它不只是输入，更是设计产物。

Brown等人报告称，少样本表现总体上随模型规模增大而提升，1750亿参数的GPT-3整体上最强。这把规模与基于提示的学习联系起来，也使提示词的质量成为实践者而不仅是研究人员可以掌控的变量。

关于GPT-3使其闻名的这一技术，请参阅零样本与少样本提示对比获取实用指南。

2021年至2022年初，提示词的撰写从研究论文走向了实践者社区。研究人员开始用文字描述这种做法：Reynolds和McDonell在《Prompt Programming for Large Language Models: Beyond the Few-Shot Paradigm》（2021年2月）中提出，为GPT-3写提示词是一种编程；综述《Pre-train, Prompt, and Predict》（Liu等人，2021年7月）则梳理了自然语言处理中基于提示的方法。与此同时，实践者在线上社区分享有效的提示词。

OpenAI的InstructGPT论文（Ouyang等人，2022年3月）介绍了经人类反馈（RLHF）微调的模型，它们遵循自然语言指令的可靠性远高于基础版GPT-3，使提示词质量更加重要。到2022年中期，人们已经清楚地看到，提示是一种可迁移的技能，而不只是研究人员的好奇心。

2022年思维链（CoT）提示的出现，是这一学科短暂历史中最重要的技术进展之一。 Wei等人（Google）发表了《Chain-of-Thought Prompting Elicits Reasoning in Large Language Models》，表明给模型提供带有中间推理步骤的示例，可以提高算术、常识和符号推理任务的表现。在一个突出的结果中，思维链提示使PaLM 540B在小学数学基准GSM8K上的准确率从17.9%提高到56.9%，这一提升仅靠改变提示词获得，没有额外的模型训练。其含义深远：提示词的结构可以激发不同的推理行为，而不只是调出不同的事实。

相关技术很快出现。Zhou等人提出了由少到多提示（least-to-most），把复杂问题分解为一系列更简单的子问题并依次解决。这些方法使提示词工程从格式练习变成了从未被明确训练推理的模型中引出结构化推理的工具。提示成为了认知的脚手架。

完整的技术指南请参阅链式思维提示词: 让AI展示其推理过程和提示链：复杂任务分步示例与LangChain代码。

2022年11月30日ChatGPT的发布，一夜之间改变了提示词工程的公众形象。 OpenAI首席执行官Sam Altman在2022年12月初于Twitter上表示，ChatGPT五天内用户突破100万；Reuters报道的UBS分析则估计，到2023年1月月活跃用户约1亿。几天之内，数百万人开始尝试提示词，并发现结果因措辞不同而差异巨大，科技媒体也开始把提示词工程当作值得学习的技能来报道。

到2023年初，“提示词工程师”已成为一个职位名称：Anthropic的“Prompt Engineer and Librarian”职位标出了17.5万至33.5万美元的薪资范围，Fortune在2023年3月报道了这一点。提示词工程究竟是长久的职业，还是一个半是人机界面设计、半是领域专业知识、半是质量保证的过渡性角色，当时引发了广泛讨论。

没有哪一个人被认定为这个术语的创造者。2021年就已有研究论文描述基于提示的方法（见上文），而这个说法在ChatGPT之后被广泛传播。Wikipedia上的提示词工程条目概述了这段历史。

2023年3月，OpenAI发布GPT-4，在文本之外支持图像输入（最初为研究预览），使提示词工程可用于描述图像、比较图表、标注图形等视觉任务；随后出现了更大的上下文窗口（2023年11月GPT-4 Turbo达到12.8万词元）。Google的Gemini（2023年12月）和具备视觉能力的Anthropic Claude 3模型（2024年3月）增加了其他厂商的多模态选择。

同一时期，最佳实践得到了规范化。OpenAI发布了官方提示词工程指南，Google Cloud发布了自己的提示词工程指南。独立作者和团队发布了CRAFT、CO-STAR、SPECS、RISEN和TRACE等框架，为实践者提供了可重复的提示词结构模板，减少了对反复试错的依赖。这些框架的作者和发布时间因来源而异，且没有一个是官方标准。

这些框架标志着提示词工程从个人技能走向可传授、可分享的实践。选择框架请参阅应该选择哪种提示词框架？（2026），多模态方面请参阅超越文本：如何使用图像进行提示。

2023年前后一个引人注目的进展，是研究表明LLM可以像人类一样优化提示词。Zhou等人在2022年11月发表了《Large Language Models Are Human-Level Prompt Engineers》（APE）：由LLM生成并评分候选指令，在所测试的24项任务中，有19项达到或超过了人工编写的指令。Stanford研究人员的DSPy框架（Khattab等人，2023年10月）更进一步：开发者描述提示词应达成的目标，措辞则自动编译生成。

与此同时，由Lewis等人在2020年于Facebook AI Research（现Meta）提出的检索增强生成（RAG），成为生产级AI系统的核心模式。RAG把检索到的文档直接注入提示词上下文，让输出基于真实、最新的来源，而不是要求提示词包含所有必要事实。这使提示词工程的重点从“如何让模型知道这个？”转向“如何构造上下文，让模型正确使用它？”

该时期的关键技术请参阅RAG详解：让AI回答基于真实数据（2026）和自洽一致性提示：生成多个答案，投票选择最佳答案。

2024至2025年间，一种新的框架开始取代“写一个更好的提示词”这一简单想法。上下文工程，即编排进入完整上下文窗口的所有内容：系统提示词、检索到的文档、工具输出、对话历史和用户输入，经过有意组合来引导模型行为，成为关注焦点。这一术语本身在2025年6月受到更多关注，当时Shopify CEO Tobi Lütke和Andrej Karpathy公开表示更喜欢“上下文工程”而非“提示词工程”（Simon Willison于2025年6月27日记录）。提示词不再是孤立的产物，而是精心设计的上下文中的一层。

若干进展加速了这一转变。Meta的Llama 3模型（2024年4月）让功能强大的开放权重LLM可用于私有部署，把部分提示词工程从云API转向本地基础设施。Google于2024年2月发布Gemini 1.5 Pro，并以有限预览提供100万词元的上下文窗口，使整个代码库、书籍或文档集合放进单个提示词成为可行。LangChain和AutoGen等多智能体框架把提示变成了编排：一个提示词触发另一个模型，再触发工具，工具把上下文返回给下一个提示词。

到2026年，提示词工程越来越不被描述为小众职位，而是使用AI工具的知识工作者的基础素养：能够表述任务、提供合适的上下文，并指定所需的输出。

这一角色已分成两条路线。第一条是系统与上下文设计：生产级AI系统的工程，其中提示词是包含检索、智能体和评估流水线的更大架构的一部分。第二条是日常使用：无需了解底层架构，也能写出清晰、结构化、能产生有用输出的提示词。两条路线都受益于相同的核心原则：清晰的任务说明、合适的上下文、约束条件和输出格式。

尽管模型更强、工具更自动化，不变的仍是根本原则：输入越清晰、越有条理，输出就越可靠、越有用。技术、术语和工具已经成熟，但GPT-3时代的核心洞见在2026年依然成立。

下表概述了2018年至2026年的关键里程碑，即塑造提示词工程发展为当前形态的事件、论文和模型发布。

提示词工程每个演变阶段都在当前实践中留下了持久的印记。GPT-3 时代给我们带来了核心洞见：模型行为由输入结构塑造——而不仅仅是内容。思维链（Chain-of-Thought）时代给我们带来了明确的推理脚手架：逐步提示、提示链和思维树方法。框架时代给我们带来了可复用的模板，这些模板将最佳实践编码起来，无需每位从业者从零开始摸索发现。

RAG 和上下文设计时代让我们认识到，提示词并不孤立存在——它们与检索到的数据、系统指令和工具输出组合在一起，形成完整的上下文。而自动化提示时代提醒我们，良好提示的原则是可量化的：结构更好的提示词能产出更好的输出，这些改进可以被系统地评估和优化。